【YOLO-Pose】在Windows上的部署与测试（调用摄像头）

2023.4.20更新 关于报错的解决办法

关于评论出现的问题，我当初测试的时候是没有的（可能是以前跑YOLO的时候已经改过了），于是我换了一台电脑测试，报错了，于是这里更新一下：

报错'Upsample' object has no attribute 'recompute_scale_factor'的解决办法：

找到你的pytorch源码中的upsampling.py文件（我的位置是在anaconda3\envs\torch12\lib\site-packages\torch\nn\modules\upsampling.py），将153行开始的forward函数做修改：

def forward(self, input: Tensor) -> Tensor:
        # return F.interpolate(input, self.size, self.scale_factor, self.mode, self.align_corners,
        #                      recompute_scale_factor=self.recompute_scale_factor)
        return F.interpolate(input, self.size, self.scale_factor, self.mode, self.align_corners)

这样再根据下文的的说明来操作就有结果了。

---

虽然基于top-down方法的HRNet网络精度很高（在COCO数据集上最高能达到76.7mAP），但是由于其需要一个额外的detector和网络中始终保持着高分辨率的heatmap的原因，网络在推理时的速度非常的慢，这就使得类似与HRNet的网络不适合部署在低算力的边缘设备上。

而使用buttom-up的方法虽然快，但是其精度与top-down方法还存在一些差距。

YOLO-Pose与其他buttom-up的方法一样，也是一种single shot的方